Научитесь создавать модели ML и обучать нейронные сети. Освоите анализ данных и в конце курса выберете одну из специализаций: обработку естественного языка или Computer Vision. Через 9 месяцев сможете трудоустроиться ML-инженером, параллельно продолжите проходить курс и дорастёте до уровня Middle.

• ★ 4,6 из 5 рейтинг курса на основе 14 267 оценок
• Курс-профессия из 3 уровней
• Трудоустройство через 9 месяцев
• Авторы курса дата-сайентисты из Сбера, Wrike, VISA
• Обновили курс в 2022 году
• Длительность: 12 месяцев

О профессии

Специалист по Machine Learning, или ML-инженер анализирует большие объёмы информации, создаёт модели для прогнозирования в бизнесе, медицине, промышленности. Задача ML-инженера — обучать нейросети, проектировать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения.

• более 2 000 вакансий для ML-инженеров доступно на hh.ru
• от 60 000 рублей зарплата после девяти месяцев обучения на платформе
• от 120 000 рублей зарплата после года обучения на платформе

Кому подойдёт этот курс

• Новичкам. С нуля освоите Python и SQL, научитесь собирать и анализировать данные. Получите необходимый минимум знаний по математике, теории вероятности и статистике. Решите задачи на основе реальных кейсов.
• Программистам. Подтянете математику, статистику, аналитическое и алгоритмическое мышление, научитесь выявлять потребности бизнеса. Получите опыт работы с моделями машинного обучения и будете решать задачи с данными с помощью Python. Пройдёте процесс от сбора данных до деплоя модели.
• Начинающим аналитикам. Научитесь выдвигать гипотезы и делать выводы на основе данных. Сможете писать эффективный код на Python, превращать сырые данные в полезную информацию, понимать математику и основы статистики, обучать машины и прогнозировать результаты. Отшлифуете знания, увеличите скорость работы и добьётесь повышения.

Чему вы научитесь

Инструменты

• Python: Универсальный язык программирования, на котором пишут серверную часть веб-приложений — бэкенд, программируют чат-ботов, автоматизируют рутину, проводят анализ данных и строят алгоритмы машинного обучения.
• numpy: Python-библиотека, с помощью которой вы сможете быстро производить сложные научные вычисления.
• pandas: Python-библиотека для анализа данных.
• scikit-learn: Python-библиотека для машинного обучения.
• Hadoop: Набор инструментов, которые используют для построения систем анализа больших данных.
• Hive: Программное хранилище данных для чтения, записи и управлением большими объёмами данных с помощью SQL.
• SQL: Язык программирования для работы с данными.
• GitLab: Система контроля версий, с помощью которой разработчики отслеживают изменения в коде и совместно работают над проектом
• Excel: Программа для работы с табличными данными, содержит инструменты для визуализации и анализа данных.
• PyCharm: Cреда разработки для Python и Django со встроенным анализатором кода, отладчиком и инструментами для запуска тестов.
• Jupyter Notebook: Веб-приложение, с помощью которого можно прямо в браузере производить математические вычисления и анализ данных.
• FastAPI: Инструмент для разработки API — программного интерфейса, с помощью которого приложения могут взаимодействовать между собой.
• Airflow: Программа для создания, мониторинга и оркестрации сценариев обработки данных.

Навыки

Содержание курса

Первый уровень: базовая подготовка

Введение в Data Science

• Познакомитесь с основными направлениями Data Science, узнаете, какие задачи решают дата-аналитики, дата-инженеры и специалисты по машинному обучению.
• Пройдёте все этапы работы с данными. Научитесь выявлять проблемы, собирать бизнес-требования. Будете выгружать данные из различных источников, проводить разведочный анализ и готовить датасет к дальнейшему использованию. Обучите и внедрите готовую ML-модель, попробуете себя в роли продуктового и маркетингового аналитика. Узнаете, как формулировать и проверять гипотезы. Освоите базовые инструменты для работы: Python, SQL, Excel, Power Bi, Airflow.

Продвинутый уровень: погружение в Machine Learning и трудоустройство

Machine Learning. Junior

• Познакомитесь с алгоритмами машинного обучения для решения задач регрессии, классификации и кластеризации. Построите и обучите свою первую нейронную сеть. Научитесь подбирать параметры модели, оценивать качество и улучшать её, а также выводить результат в продакшн.

Трудоустройство с помощью Центра Карьеры

• Карьерный консультант поможет подготовиться к собеседованию в компании-партнёре. Разберёте частые вопросы и научитесь меньше переживать на интервью.
• Напишете сопроводительное письмо и грамотно оформите резюме.
• Будете готовы пройти собеседование — карьерный консультант организует встречу с работодателем.
• На интервью презентуете проекты, над которыми вы работали на курсе, а знания и навыки пригодятся для выполнения тестовых задач.

Экспертный уровень. Выбор специализации

Machine Learning. Advanced

• Освоите алгоритмы для построения рекомендательных систем и прогнозирования временных рядов. Научитесь применять ансамблевые методы, стекинг, бэггинг, бустинг. Сможете использовать лучшие практики обучения моделей, генерации дополнительных данных, мониторинга и пайплайна ML-разработки, а также Kaggle-соревнований.

Deep Learning

• Научитесь работать с нейросетями: подробно узнаете, как они устроены, как использовать предобученные модели, готовить и передавать данные в нейросеть, строить и тестировать архитектуры, настраивать параметры и обучать модели на GPU.

Специализация 1. Natural Language Processing

• Научитесь применять алгоритмы машинного обучения и нейронные сети для обработки естественного языка. Поработаете с языковыми моделями: Bert, Elmo и другими. Узнаете, как анализировать тональность текстов, классифицировать их, распознавать речь.

Специализация 2. Computer Vision

• С помощью алгоритмов машинного обучения и нейросетей будете распознавать объекты, лица и эмоции, классифицировать и сегментировать изображения. Научитесь применять и адаптировать готовые модели CV для своих целей.

Дополнительные курсы

• Основы математики для Data Science: Получите базовые знания по математике для работы с машинным обучением. Поймёте, что такое аппроксимация, интерполяция, функции, регрессии, матрицы и вектора. Научитесь работать с математическими сущностями в Python-библиотеке SymPy.
• Основы статистики и теории вероятностей: Поймёте принципы работы со случайными величинами и событиями. Познакомитесь с некоторыми видами распределений и статистическими тестами, которые пригодятся при составлении моделей и проверке гипотез.
• Основы статистики и теории вероятностей Advanced: Научитесь применять основные принципы статистики и теории вероятностей при работе с задачами Data Science. Поймете, как устроены алгоритмы машинного обучения, как в них применяются математическая статистика и теория вероятностей.
• Карьера разработчика: трудоустройство и развитие: Узнаете, как выбрать подходящую вакансию, подготовиться к собеседованию и вести переговоры с работодателем. Сможете быстрее получить должность, которая соответствует вашим ожиданиям и умениям.
• Система контроля версий Git: Научитесь версионировать изменения в коде, создавать и управлять репозиториями, ветками, разрешать конфликты версий. Узнаете полезные правила работы с Git.

Стоимость курса